Resumen

Los modelos dinámicos bayesianos son una alternativa útil para elaborar pronósticos con pocos datos históricos, o que ayudan a complementar la poca información que se tenga. En este trabajo se propone el diseño de un algoritmo para realizar pronósticos usando un modelo dinámico bayesiano basado en filtro de Kalman. Se ilustra el procedimiento aplicándolo al pronóstico de demanda de energía diaria de Colombia, lo cual puede ser útil en sistemas que presenten fallas, o en regiones donde apenas inicia el abastecimiento energético. La eficiencia se determina con el indicador de error absoluto medio (MAPE) de ajuste y de pronóstico; este último resulta menor de 3%, valor adecuado para mostrar validez del método propuesto.

• Materias:Investigación operacional Desarrollo de procesos Modelos matemáticos
• Subjects:Operations research Process development Mathematical models
• Palabras claves:Ciencias de la administración, Optimización de procesos, Estimación bayesiana, Modelos dinámicos bayesianos, Método monte carlo, Cadenas de markov, Pronósticos de energía, Filtro de kalman, indicador de error absoluto medio
• Keywords:Administration sciences, Process optimization, Bayesian estimation, Bayesian dynamic Models, Monte carlo method, Markov chains, Energy forecasts, Kalman filter, Mean absolute error indicator